基于MATLAB的骨架提取算法的研究实现(13)

1.2.5各种骨架化算法的比较

在二维情况下，这些方法都能够保证所生成的骨架能很好地反映原模型的几何，拓扑特征。但对于三维模型，基于Voronoi图的方法很难保证骨架是一维的，且计算效率低，其他三类方法一般都能得到一维的线性骨架，对模型的每一个内部离散点，拓扑细化法需要迭代访问多次，所以相比于距离场方法，它效率较差。

拓扑细化类方法最大的优点是能保证优良的连通性能，即骨架结果保持与原始 图形相同的拓扑特征。拓扑特征是识别物体的关键特征，因此保留拓扑特征非常重要。但是细化算法大都需要进行迭代运算， 因此计算量相 当庞大。并且细化法得到的骨架结果位置不精确 。

基于距离变换的方法能够很好的解决细化法骨架位置不准确的问题，同时对运算量的要求也大大降低 ，并且可以通过设计各种参数降低对噪声的敏感度。此类方法的缺点在于不能保证骨架 的连通性和单像素性，其原因也是离散处理造成的 ，离散域内圆的定义和圆的包 含关系很难把握，并且有可能真实的骨架位置位于两离散点正中，于是两点皆被选为骨架点或丢失，破坏了单像素性和连通性。

广义势场方法不仅考虑骨架最近边界点的影响，还考虑了很多其他的边界点，使得该方法对边界噪声不敏感，而且得到的线性骨架具有很好的连通性。但是计算广义势场的计算复杂度较高。

值得注意的是物体通常不能从非常细的线性骨架准确地再生。因此在物体的骨架线性提取时一定要重视，理想的骨架算法应具有如下的性质：

1) 骨架结果保留原始图形的拓扑特征，即骨架的点集必须是连通的，最好 保持单像素宽度，只有这样，才能降低后续处理的复杂性;

2) 骨架带有一定的形状信息，例如骨架点处的距离变换值；

3）骨架应当位于相对物体边界的中心；

4）骨架结果对边界噪声的敏感度低，边界的轻微扰动不会产生骨架的明显 变化；

5）要保存初始物体的结构特征（拓扑结构）与结合性，并且一般要具备物 体的再形成能力。即由骨架可以重建出原始的物体，这就需要骨架化

程是可逆的。